このページでは、 "GNU Emacs Lisp Reference Manual" を読んでもよく分らない Emacs Lisp の謎を 気の向くままに解き明かしていく。 [山本和彦のHPへ]
Well, I decided to workout myself on my question to solve the above problem. What I wanted is to implement a simple OCR using KNearest or SVM features in OpenCV. And below is what I did and how. (it is just for learning how to use KNearest for simple OCR purposes). 1) My first question was about letter_recognition.data file that comes with OpenCV samples. I wanted to know what is inside that file.
お仕事で表題のような資料を作成しました。 お客様の許可が得られたので公開します。 「はじめに」にも書きましたが、この資料は以下の様な観点から作成しました。 「コンピュータビジョンってこんなことできるんだ!すげー!!」と思ってもらうのが目的です。 資料中にURLを埋め込んでいるので、埋め込み先にあるデモ動画などを見ることをおすすめします。 業務上関係なさそうな分野の説明は省略しているため、コンピュータビジョンの全体紹介としてはバランスを欠いてます。 参考に上げた論文は、state-of-the-artなものよりも考え方がわかるようなものを選んだつもりです。 自分が得意でない分野も含むので、誤っているところなどは優しく指摘していただけるとありがたいです。
Recent posts 95/5 Mbps とは(August 30, 2015 at 04:22 PM) 組み込み用プログラミング言語のパフォーマンス比較(April 21, 2015 at 01:10 AM) 最近読んだ本(April 05, 2015 at 01:23 PM) Phabricatorを使ったワークフローについて(March 02, 2015 at 08:55 PM) dnsimpleでダイナミックDNSをつかう(December 23, 2014 at 08:02 PM) www2014のアドテク関連のResearch Trackメモ(October 06, 2014 at 09:05 PM) flappymacs がMELPAに登録されました(July 16, 2014 at 01:07 AM) EmacsでFlappy Birdっぽいもの書きました(July 1
これもある意味Deep Learning,Recurrent Neural Network Language Modelの話 [MLAC2013_9日目] この投稿は Machine Learning Advent Calendar 2013 の9日目の記事です. 本日は,Neural Network(NN)を利用したLanguage Model(LM),つまりNeural Network Language Model(NNLM)の一種であり, Recurrent Neural Network(RNN)を使ったRecurrent Neural Network Language Model(RNNLM)について説明します. RNNLMに行く前置きとしてざっくりいくつか用意したので,知ってそうな人は先へ進んでください. 前置きを入れているうちに長くなりすぎた.... しかも,そもそもNNの説明
Parviz氏はグーグルの極秘の研究部門「Google X」の1員として、今年1月に発表された「スマートコンタクトレンズ」にも深く関与した人物。ワシントン大学でバイオナノテクノロジーを研究し、今から数年前にはLEDアレイを敷き詰めたコンタクトレンズ型ディスプレイの試作にも成功していた。 アマゾン移籍後のParviz氏は同社が手がけるFire Phoneプロジェクトに関わるとの見方が有力。Fire Phoneには1億に及ぶアイテムを認識するFirefly機能が搭載されており、Parviz氏の知見をこのプロダクトに投入する意向があると見られている。 グーグルは今年5月、グーグルグラスプロジェクトの最高責任者だったParviz氏を解任。後任にコーチやGAPなどのファッション企業で、マーケティング戦略を担当してきた女性重役、アイビー・ロス(Ivy Ross)氏を起用。 Google Xの総責任者、
The last several years have seen a phenomonal growth in machine learning, such that this earlier post from 2007 is understated. Machine learning jobs aren’t just growing on trees, they are growing everywhere. The core dynamic is a digitizing world, which makes people who know how to use data effectively a very hot commodity. In the present state, anyone reasonably familiar with some machine learni
A former student, who was also once a student of Tomonaga’s, wrote to extend his congratulations. Feynman responded, asking Mr. Mano what he was now doing. The response: “studying the Coherence theory with some applications to the propagation of electromagnetic waves through turbulent atmosphere… a humble and down-to-earth type of problem.” Dear Koichi, I was very happy to hear from you, and that
特許社会の“妖怪” 防衛策は 7月14日 13時50分 「パテント・トロール(Patent Troll)」ということばをご存じでしょうか。耳慣れないことばですが、ある種類の企業のことを意味します。みずからは技術開発をせず、買い取った特許を盾に、他社に特許侵害だと損害賠償訴訟をしかける企業のことです。訴訟社会のアメリカで存在感を増しており、「妖怪」のようだと多くの企業から警戒され、日本企業も多くの訴訟をしかけられています。訴訟件数の増加で企業のコスト負担が高まるなか、企業側も最近、新たな防衛策を急いでいます。経済部・柴田明宏記者が報告します。 キヤノンとグーグルが新たな特許訴訟対策 今月10日、精密機器大手「キヤノン」が発表したある提携が、企業の法務担当者の注目を集めています。内容は、アメリカでの特許に関する訴訟への対策として、IT企業「グーグル」など5社と共同で訴訟を防ぐ仕組みをつくる協定
Effective Modern C++ - O'Reilly Effective Modern C++ - Safari Books Online 書籍『Effective C++』のC++11/14対応である『Effective Modern C++』のドラフト版がリリースされました。価格は$43です。 このバージョンは、完成版ではなく、レビュー中のものになります。正式版のリリースは、10月に予定されています。 正式リリース時には、書籍はフルカラーになる予定だそうです。 追記 2014/07/14 17:37 O'ReillyのEarly Releaseで購入した場合、更新がある度にそれを受け取れて、完成版ももらえるそうです。 参照 Draft Version of Effective Modern C++ Now Available C++神Scott Meyersの「Effecti
言わずと知れたハーバード大学の図書館に書かれているとされる20個の落書きが、4年前に世界中で話題になった。 2年前から2chをはじめとして日本でも出回ったので知っている人も多いだろうが、感動するほどグッとくる言葉が並んでいる。 ちなみにこの件でハーバード大学に問合せが殺到し、ハーバード大学側は否定している模様 1. 今眠る者は夢を見る。今勉強する者は夢を叶える。 2. 君が無駄にした今日は、多くの人が願っても叶わなかった明日である。 3. もう遅いと感じたその瞬間が、物事をはじめる一番のタイミングである。 4. 明日やるより、今日やるほうが何倍もよい。 5. 勉強の苦しみは一瞬、勉強しなかった苦しみは一生。 6. 勉強に足りないものは時間ではなく努力だ。 7. 幸福には順位はないが、成功には順位をつけることができる。 8. 確かに勉強は君の人生全てではない。しかし生涯にわたっ
Pythonにはリスト内包表記という可読性を著しく損なう記法がある。でも、リスト内包表記は何故か速くて、for文を書く前にそれがリスト内包表記で書けないか考えることになっている。 どれくらい速いのか。普通のforループと比較してみる。 #普通のループ def loop(i): result = [] for x in range(i): result.append(x) return result #リスト内包表記 def compre(i): return [x for x in range(i)] 以下は100ループを100万回行った時の実行時間 >>import timeit >>timeit.__dict__.update(loop=loop, compre=compre) >>timeit.Timer('loop(100)').timeit() 16.42305278778076
普段、Pythonのコードは何となく速かろうという、言ってみれば勘で書いているのだけど、その勘とやらは往々にしてウンコードを生むものである。そこで、プロファイラを使っていきたいと思う。 使えそうなツール そういうわけで、いくつか使えそうなツールをリストアップした。 経過時間のプロファイラ ツール名 メモ profile ビルトイン, ピュアPythonの決定論的プロファイラ cProfile ビルトイン, C拡張の決定論的プロファイラ line_profiler 行単位の決定論的プロファイラ Plop 統計的プロファイラ, Dropboxの人が作ってる statprof 統計的プロファイラ, 開発停止? yep 拡張モジュール用の統計的プロファイラ, バックエンドにgoogle-perftools メモリのプロファイラ ツール名 メモ memory_profiler 行単位でメモリ消費量の
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く